[发明专利]电磁斥力机构的故障诊断方法及装置

说明书

本申请公开了电磁斥力机构的故障诊断方法及装置，通过获取电磁斥力机构分闸时产生的声音信号和振动信号，对声音信号进行经验模态分解，得到固有模态分量，并利用固有模态分量得到声音信号特征量；对所述振动信号进行改进S变换，得到改进S变换模矩阵，并利用改进S变换模矩阵得到振动信号特征量；将声音信号特征量和振动信号特征量输入预先训练好的随机森林模型，得到故障分类结果，以完成对电磁斥力机构的故障诊断。该申请可以同时利用声音信号和振动信号对电磁斥力机构进行故障诊断，可以提高对电磁斥力机构故障诊断的准确性和可靠性。

技术领域

本申请涉及电器故障诊断技术领域，具体涉及电磁斥力机构的故障诊断方法及装置。

背景技术

近年来随着社会发展，经济水平进一步提高，对电力系统的可靠性和稳定性要求越来越高。电磁斥力机构在电网中应用广泛，然而电磁斥力机构由于开断速度快，冲击力大，容易造成其机械部件的磨损或变形。因此，对电磁斥力机构的故障诊断具有非常重要的意义。

现有的对电磁斥力机构的故障诊断方法是利用声音信号进行诊断，然而声音信号易受环境噪声的干扰，不能准确对电磁斥力机构进行诊断。

发明内容

有鉴于此，本申请提供了一种电磁斥力机构的故障诊断方法及装置，用于解决现有技术中不能准确诊断电磁斥力机构发生故障的问题。

为实现以上目的，现提出的方案如下：

第一方面，本申请实施例提供了一种电磁斥力机构的故障诊断方法，包括：

获取电磁斥力机构分闸时产生的声音信号和振动信号；

对所述声音信号进行经验模态分解，得到固有模态分量，并利用所述固有模态分量得到声音信号特征量；

对所述振动信号进行改进S变换，得到改进S变换模矩阵，并利用所述改进S变换模矩阵得到振动信号特征量；

将所述声音信号特征量和振动信号特征量输入预先训练好的随机森林模型，得到故障分类结果，以完成对电磁斥力机构的故障诊断。

优选地，对所述声音信号进行经验模态分解，得到固有模态分量，包括：利用小波包阈值方法对所述声音信号进行降噪处理，并对降噪后的声音信号进行经验模态分解，得到固有模态分量。

优选地，对声音信号进行经验模态分解得到固有模态分量，包括：计算声音信号的所有极值点；对所有极值点进行三次样条插值计算，得到上包络线和下包络线；计算所述上包络线和下包络线的均值信号；利用所述均值信号和声音信号得到细节信号；判断所述细节信号是否满足插值条件，所述插值条件包括：细节信号的极值点的个数和过零点的个数相等或相差一个，以及，由细节信号的局部极大值点形成的上包络线和由细节信号的局部极小值点形成的下包络线关于横坐标轴对称；若是，则利用所述细节信号和声音信号得到残差信号；判断所述残差信号是否满足终止条件，所述终止条件包括：所述残差信号的极值点最多不超过两个；若是，则将所述细节信号作为固有模态分量，以完成对细节信号的经验模态分解。

优选地，该方法还包括：在判断所述细节信号不满足所述插值条件时，将细节信号作为声音信号，并重复执行所述计算声音信号的所有极值点的步骤，以更新细节信号，直至细节信号满足所述插值条件。

优选地，该方法还包括：在判断所述残差信号不满足所述终止条件时，将残差信号作为声音信号，并重复执行所述计算声音信号的所有极值点的步骤，以更新残差信号，直至残差信号满足所述终止条件。

优选地，利用所述固有模态分量得到声音信号特征量，包括：计算所述固有模态分量的能量熵，将固有模态分量的能量熵作为声音信号特征量。

优选地，对所述振动信号进行改进S变换，得到改进S变换模矩阵，包括：利用小波包阈值方法对所述振动信号进行降噪处理，并对降噪后的振动信号进行改进S变换，得到改进S变换模矩阵。